Pandas-Series

Series是Pandas的一种数据类型可以理解为1乘n的表格结构;下面是它的部分常用用法

1.创建Series

1import numpy as np 2import pandas as pd 3 4# list 5pd.Series([1,2,3]) 6pd.Series([i for i in range(10)]) 7 8 9# ndarray 10pd.Series(np.array([1, 2, 3])) 11pd.Series(np.array(['apple', 2, 3])) 12 13# tuple 14pd.Series((1, 2, 3)) 15 16# dict 17pd.Series({'a': 1, 'b': 2, 'c': 3})

2.Series属性

1s = pd.Series({'a': 1, 'b': 2, 'c': 3}) 2 3s.loc['a'] # 索引值 4s.iloc[0] # 索引位置(数值) 5s.dtype # 元素类型 6s.dtypes # 元素类型 7s.T # 转置 8s.shape # 形状 9s.size # 元素数量 10s.values # 元素值 11s.index # 索引值

3.Series方法

1s.describe() # 查看详细描述 2s.hist() # 画出直方图 3s.mean() # 求平均 4s.drop('a') # 删除某列或行 5s.drop_duplicates() # 去重 6s.sort_values() # 按元素值升序排序 7s.sort_index(ascending=False) # 按索引值降序排序 8s.head() # 查看前五行(默认) 9s.keys() # 查看索引值 10s.to_frame() # 转换成DataFrame
点赞
收藏

评论区

加载中...

相关推荐

Oracle 分组与拼接字符串同时使用

SELECTT.,ROWNUMIDFROM(SELECTT.EMPLID,T.NAME,T.BU,T.REALDEPART,T.FORMATDATE,SUM(T.S0)S0,MAX(UPDATETIME)CREATETIME,LISTAGG(TOCHAR(

MySQL部分从库上面因为大量的临时表tmp_table造成慢查询

背景描述Time:20190124T00:08:14.70572408:00User@Host:@Id:Schema:sentrymetaLast_errno:0Killed:0Query_time:0.315758Lock_

Python数据分析实战(2)使用Pandas进行数据分析

一、Pandas的使用1.Pandas介绍Pandas的主要应用包括:数据读取数据集成透视表数据聚合与分组运算分段统计数据可视化Pandas的使用很灵活,最重要的两个数据类型是DataFrame和Series。对DataFrame最直观的理解是把它当成一个Excel表格文件,如下:索引是从0开始的,也

FLV文件格式

1.        FLV文件对齐方式FLV文件以大端对齐方式存放多字节整型。如存放数字无符号16位的数字300(0x012C),那么在FLV文件中存放的顺序是:|0x01|0x2C|。如果是无符号32位数字300(0x0000012C),那么在FLV文件中的存放顺序是:|0x00|0x00|0x00|0x01|0x2C。2.  

Python 数据分析包:pandas 基础

pandas是基于Numpy构建的含有更高级数据结构和工具的数据分析包类似于Numpy的核心是ndarray,pandas也是围绕着Series和DataFrame两个核心数据结构展开的。Series和DataFrame分别对应于一维的序列和二维的表结构。pandas约定俗成的导入方法如下:lang:pytho

mysql中时间比较的实现

MySql中时间比较的实现unix\_timestamp()unix\_timestamp函数可以接受一个参数,也可以不使用参数。它的返回值是一个无符号的整数。不使用参数,它返回自1970年1月1日0时0分0秒到现在所经过的秒数,如果使用参数,参数的类型为时间类型或者时间类型的字符串表示,则是从1970010100:00:0